Доки: [MS-DOC] (.doc) в docs/standards/doc + разделение документации docx/doc по подпапкам
PR checks / web (pull_request) Successful in 31s
PR checks / java (pull_request) Successful in 1m6s
Main: tests, deploy, autotests / web (push) Successful in 32s
Main: tests, deploy, autotests / java (push) Successful in 1m4s
Main: tests, deploy, autotests / images-web (push) Successful in 28s
Main: tests, deploy, autotests / images-app (push) Successful in 44s
Main: tests, deploy, autotests / deploy (push) Successful in 1m40s
Main: tests, deploy, autotests / autotests (push) Successful in 40s
Main: tests, deploy, autotests / rollback (push) Has been skipped

This commit was merged in pull request #74.
This commit is contained in:
Pjandro
2026-10-29 20:36:32 +00:00
parent 74a15ecbfb
commit 9dd852a90b
56 changed files with 20032 additions and 23 deletions
+5 -5
View File
@@ -75,7 +75,7 @@
### Chart/SmartArt-движок (`internal/chart`)
Нормативный источник любых правок — ECMA-376 (`docs/standards/`: графики §21.2, diagram-разметка §21.4, пресет-геометрия Annex D + полные наборы XSD `schema/strict/`/`schema/transitional/`; поведение Word — `ms-oi29500.md`, `ms-odrawxml.md`), а не догадки по исходникам LibreOffice/Word. Формулировки из стандарта при ссылке — с номером секции (§21.2.2.132 и т.п.). Эмпирические калибровки (камера, `PIE_DEPTH`) менять только вместе с пиксельными тестами. Фикстуры могут быть невалидны — код под фикстуру не правится, правится фикстура (после проверки по XSD/секции).
Нормативный источник любых правок — ECMA-376 (`docs/standards/docx/`: графики §21.2, diagram-разметка §21.4, пресет-геометрия Annex D + полные наборы XSD `schema/strict/`/`schema/transitional/`; поведение Word — `ms-oi29500.md`, `ms-odrawxml.md`), а не догадки по исходникам LibreOffice/Word. Формулировки из стандарта при ссылке — с номером секции (§21.2.2.132 и т.п.). Эмпирические калибровки (камера, `PIE_DEPTH`) менять только вместе с пиксельными тестами. Фикстуры могут быть невалидны — код под фикстуру не правится, правится фикстура (после проверки по XSD/секции).
Java2D → PNG 300 dpi (`ChartRenderer.DPI = 300`, `PADDING = 4.0`, растр × `DPI/72`, размеры в пунктах, EMU→pt `cx/12700.0`). Потолок растра `ChartRenderer.MAX_PIXELS = 16_777_216` (4096², 64 МБ ARGB): при превышении `fitDpi` uniform-но понижает эффективный dpi (геометрия в пунктах и безразмерные пропорции не меняются; 24″-график: 208 МБ → 64 МБ, dpi 300 → ≈171); `SmartArtRenderer` использует тот же `DPI`/`fitDpi`. `ChartSpec.parse` (`enum Type`: PIE, PIE3D, DOUGHNUT, BAR, BAR_HORIZONTAL, LINE, AREA, SURFACE3D, AREA3D, BAR3D, LINE3D, RADAR, SCATTER, BUBBLE, STOCK, OF_PIE, SURFACE, UNSUPPORTED). `c:autoTitleDeleted` (§21.2.2.7, `val` опущен — default true) применяется только при отсутствии `c:title` (MS-OI29500 §2.1.1431(a)) — явный заголовок показывается при любом флаге; при отсутствии `c:title` и `val=0` рисуется автозаголовок. Пустой/пробельный `c:title` (или `val=0` без `c:title`) — автозаголовок Office (MS-OI29500 §2.1.1561(a)): одиночный ряд с именем → имя ряда (любой тип графика), иначе `ChartSpec.AUTO_TITLE = "Название диаграммы"`; несколько абзацев `a:p` склеиваются `'\n'` (жёсткий перенос в `DrawMlText`). Регрессии — `ChartSpecTest#emptyTitleSingleSeriesBar_usesSeriesName`, `#deletedTitleWithText_stillShown`, `#deletedTitleValOmitted_stillShown`, `#multiSeriesDoughnut_placeholderNotSeriesName`, `#multiParagraphTitle_joinedWithNewlines`. Палитра `accent1..6` темы; легенда по умолчанию снизу; `overlay` (§21.2.2.132) рисуется поверх области построения, место не резервирует.
@@ -112,7 +112,7 @@ Java2D → PNG 300 dpi (`ChartRenderer.DPI = 300`, `PADDING = 4.0`, растр
| `…/wordpdf/internal/chart/` | 17 классов Java2D-рендера диаграмм/SmartArt в PNG (public только `DrawingPreRenderer.run`) |
| `wordpdf-core/src/main/resources/fonts/` | 30 TTF + 3 лицензии — бинарные фикстуры, часть jar |
| `wordpdf-core/src/main/resources/xslt/` | `docx2fo.xslt` — вендорный XSL-FO-стилист (копия docx4j-export-fo + AUDIT-FIX-патч), часть jar |
| `wordpdf-core/src/test/resources/samples/` | 13 закоммиченных `.docx`-фикстур (единственные .docx-фикстуры), все проходят `docs/standards/validate-fixtures.py` |
| `wordpdf-core/src/test/resources/samples/` | 13 закоммиченных `.docx`-фикстур (единственные .docx-фикстуры), все проходят `docs/standards/docx/validate-fixtures.py` |
| `wordpdf-core/src/test/resources/geom/` | `presetShapeDefinitions.xml` — копия приложения ECMA-376, синхрон таблицы `PresetGeometry` (только в тестах, в jar не попадает) |
| `wordpdf-app/src/main/java/ru/pjandro/wordpdf/app/` | REST API (10 классов): `WordPdfApplication` (единственный public), `ConvertController`, `ConversionService` (очередь), `ApiExceptionHandler`, `ApiKeyFilter`, `OpenApiConfig` (`@SecurityScheme` X-API-Key) + 4 класса исключений |
| `wordpdf-web/src/` | SPA: `api.ts` (вся сеть), `components/` (App, ApiKeyGate, PdfPreview, StatusMessage, DropZone, Logo) |
@@ -121,7 +121,7 @@ Java2D → PNG 300 dpi (`ChartRenderer.DPI = 300`, `PADDING = 4.0`, растр
| `.gitea/workflows/` | Gitea Actions: `pr.yml` (`PR checks`), `main.yml` (тесты + coverage-сводка и комментарий в PR → `images-app`/`images-web` (build+push в Nexus) → deploy (рендер прод-конфигов + pull) → autotests → rollback) |
| `GITEA-vars.md` | Инструкция владельца: Secrets/Variables, защита ветки, перезапуск — только имена переменных, без значений |
| `prod-autotests/` | Прод-автотесты API (pytest + requests, 21 проверка): конфигурация стенда **только env** (`WORDPDF_BASE_URL` обязателен, `WORDPDF_API_KEY`/`WORDPDF_MAX_PAGES`/`WORDPDF_MAX_MB`/`WORDPDF_SAMPLES_DIR` факультативны) — прод-хостов/ключей в коде нет |
| `docs/standards/` | Нормативная документация OOXML: PDF+md ECMA-376 Part 1 (5-е изд.), md [MS-OI29500]/[MS-ODRAWXML], полные наборы XSD `schema/strict/` (21) + `schema/transitional/` (26); `validate-fixtures.py` — XSD-валидация `samples/*.docx` (lxml, ставится отдельно); регенерация — `docs/standards/README.md` |
| `docs/standards/` | Нормативная документация форматов Word, две категории: `docx/` — OOXML: PDF+md ECMA-376 Part 1 (5-е изд.), md [MS-OI29500]/[MS-ODRAWXML], полные наборы XSD `docx/schema/strict/` (21) + `docx/schema/transitional/` (26), `docx/validate-fixtures.py` — XSD-валидация `samples/*.docx` (lxml, ставится отдельно); `doc/` — бинарный .doc: md [MS-DOC]; регенерация — `docs/standards/README.md` |
| `develop/` (вне git, gitignored) | Рабочие материалы и эталоны сравнения рендера — **не фикстуры**, в тесты/jar не подключать; пиксельные замеры зашиты числами в chart-тестах |
## Development Commands
@@ -139,7 +139,7 @@ mvn -pl wordpdf-app -am test -Dtest=ConvertControllerTest#convertSample_returnsP
./mise.sh run web-install|web-build|web-lint|web-dev # npm ci | tsc -b && vite build | oxlint | vite :5173
podman-compose -f compose.dev.yml up -d --build # dev-стенд: http://<LAN-IP хоста>:9011, без ключа, springdoc вкл
./mise.sh run prod-tests # прод-автотесты: pip install + pytest -q . в prod-autotests/
python3 docs/standards/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx # XSD-валидация фикстур (lxml)
python3 docs/standards/docx/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx # XSD-валидация фикстур (lxml)
# Перевендорить XSL-FO-стилист после апгрейда docx4j (этого потребует гейт vendoredXsltTracksJarCopy):
unzip -p ~/.m2/repository/org/docx4j/docx4j-export-fo/<версия>/docx4j-export-fo-<версия>.jar \
@@ -216,7 +216,7 @@ java -cp wordpdf-core/target/test-classes:$(cat /tmp/cp.txt) \
- **PDF сравнивается текстом, не растеризацией**: PDFBox 3 (`Loader.loadPDF`) — `PDFTextStripper` (пер-странично `setStartPage/setEndPage`), override `processTextPosition` для шрифта конкретного символа (`fontNameOf`), обход ресурсов страниц для встроенных шрифтов (`EAAAAA+Carlito-Bold`) и счётчик картинок (`imageCount`/`distinctImageCount` — SMask игнорируется). Негативные маркеры: `assertFalse(text.contains("#"))` (.notdef), `assertFalse(font.startsWith("Helvetica"))`. Текст нормализуется по пробелам (`norm`); в `tableImage_tableAndImage` — полное удаление пробелов (docx4j переносит слова в auto-fit таблицах).
- Пиксели (BufferedImage) — только в unit-тестах chart-пейнтеров: безразмерные отношения к эталону Word (экспорт 300 dpi, числа зашиты в тесты), допуски `assertRatio` <0.06 (`PiePainterTest`, `CartesianPainterTest`) / <0.10 (`Surface3dPainterTest`, + `assertRange` ±6 pt для центров силуэта); пороги залитых px, перцентильные коридоры яркости, «серый» px — разброс каналов `GRAY_MAX_SPREAD=25`; исключение — структурная проверка чернил в `GlyphFontTest`. Эталонные файлы — `develop/`, вне git. Хелперы chart-тестов (`render`, `countColor`, `assertRatio`, `paint`) продублированы по классам — общего test-util нет.
- `GlyphFont` (fontbox): метрики пиксельно-метрически эквивалентны AWT (ascent/descent/leading/advance совпадают до 4-го знака, кернинг-дрейф 0.0000 — DejaVu Sans, Carlito). Приёмочный стенд без-fontconfig: контейнер без `libfontconfig.so.1*` и `/etc/fonts`, `mvn verify` + `java -jar` (до перехода на GlyphFont там падали `GlyphCoverageNormalizerTest` 12 / `CartesianPainterTest` 3 / `PiePainterTest` 2 / chart-тесты `WordPdfConverterTest` 4, chart-рендер молча деградировал). `GlyphFontTest` написан без единого `java.awt.Font` — обязан проходить на хосте без fontconfig.
- Фикстуры — закоммиченные `samples/*.docx` (13; в тестах не генерировать; все ECMA-conformant по `docs/standards/validate-fixtures.py` — фикстура невалидна, правится фикстура, не код): core грузит classpath-ресурсом → `byte[]`, PDF для PDFBox — временный файл; app читает `/samples/…` из **test-jar core** (classifier `tests`) → `mvn -pl wordpdf-app` без `-am` не соберётся. In-memory docx — `ZipOutputStream` из литеральных XML или POI в `byte[]`. Ключевые: `too-many-pages` (150 явных разрывов → 151), `stale-cache` (кэш `<Pages>1</Pages>` + 110 `lastRenderedPageBreak`), `charts-smartart` (4 растра; SmartArt-одиночка = ровно 2 Image XObject), `ole-embedded` (осиротевший bin с ложным `Default bin→footer+xml` + настоящий `w:object` с честным `Override → oleObject` и VML-плейсхолдером `media/fallback.png` — ручная, генератором не перезаписывать), `chart-types` (14 графиков: 9 типов + ofPie-pie + lineChart stacked + `c:wireframe` + combo barChart+lineChart на вторичной `c:valAx` pos="r"; пересоздание — `ChartTypesDocxGenerator`).
- Фикстуры — закоммиченные `samples/*.docx` (13; в тестах не генерировать; все ECMA-conformant по `docs/standards/docx/validate-fixtures.py` — фикстура невалидна, правится фикстура, не код): core грузит classpath-ресурсом → `byte[]`, PDF для PDFBox — временный файл; app читает `/samples/…` из **test-jar core** (classifier `tests`) → `mvn -pl wordpdf-app` без `-am` не соберётся. In-memory docx — `ZipOutputStream` из литеральных XML или POI в `byte[]`. Ключевые: `too-many-pages` (150 явных разрывов → 151), `stale-cache` (кэш `<Pages>1</Pages>` + 110 `lastRenderedPageBreak`), `charts-smartart` (4 растра; SmartArt-одиночка = ровно 2 Image XObject), `ole-embedded` (осиротевший bin с ложным `Default bin→footer+xml` + настоящий `w:object` с честным `Override → oleObject` и VML-плейсхолдером `media/fallback.png` — ручная, генератором не перезаписывать), `chart-types` (14 графиков: 9 типов + ofPie-pie + lineChart stacked + `c:wireframe` + combo barChart+lineChart на вторичной `c:valAx` pos="r"; пересоздание — `ChartTypesDocxGenerator`).
- Юниты нормализаторов работают строками (`rewrite`) + zip'ами из `ZipOutputStream`; обязательные контракты: «нечего менять → тот же массив» (`assertSame`) и неприкосновенность частей вне `word/*.xml` (`[Content_Types].xml`). Тесты бьют и в package-private API (`GlyphCoverageNormalizer.split(text, family)`, `ChartSpec.readTitle`). Исключение — `OleObjectNormalizerTest`: многочастный нормализатор без `rewrite`-хука, тесты только через `normalize` на in-memory zip.
- App-тесты: `@SpringBootTest` + `@AutoConfigureMockMvc` (Boot 4: `org.springframework.boot.webmvc.test.autoconfigure`); три контекста — `ConvertControllerTest` (пустой ключ), `ApiKeyFilterTest` (`properties = "wordpdf.api-key=…"`), `ConvertLimitsTest`/`ConversionTimeoutTest` (`@TestPropertySource` — отдельные классы, не `@Nested`: `@Nested` + `@TestPropertySource` не даёт отдельного контекста).
- Регрессивные пары (фикс = нормализатор/pre-renderer + юнит + конвертер-тест с фикстурой): `StrictOoxmlNormalizerTest`↔`strictOoxml_convertsNotRejected` (+`pageCount_strictBreaksCountedLightweight`; юниты `indCoexistLeftStartUntouched`/`tcMarCoexistKept`/`tcBordersElementsKeptTransitional`/`jcStartRenamedTransitional`/`tabStartRenamedTransitional`/`transitionalCoexistReturnsOriginalArray`), `DocxOnOffNormalizerTest`↔`ruPlain_regularRunsUseRegularFont`, `SymbolFontNormalizerTest`↔`symbolFonts_bulletsAreNotHash`, `FieldNormalizerTest`↔`pageNumbers_recomputedNotCached`, `InvisibleCharNormalizerTest`↔`invisibleChars_noEmptyLines`, `GlyphCoverageNormalizerTest`↔`exoticGlyphs_drawnNotHash`, `OleObjectNormalizerTest`↔`oleObjects_removedAndConverted`/`drawingErrors_errorFlagRejectsOle` (+app `errorFlagOle_rejected`/`oleObjects_removedByDefault`; юниты `objectWithImagedata_placeholderKept`/`objectWithoutImage_removed`/`objectWithDrawing_reusedVerbatim`/`controlBlockRemoved`/`sizeFromDxaOrig`/`styleUnits_allConvertToEmu`/`objectWithoutBin_stillRewritten`/`externalOleLinkRelRemoved`), `WordPdfValidatorTest`↔`staleCachePageCountRejectedBeforeRender` (+`checkPageCount_limitBoundary` 99/100/101, `cachedPagesUnreadableFallsBackToZero`, `pageCount_breaksInsideTablesAreCounted`, `pageCount_continuousSectionsNotCountedLightweight`, `validate_notAZip`/`validate_plainZipRejected`/`validate_xlsxRenamedRejected`/`validate_zipBombRejected`/`validate_tooManyEntriesRejected`), `BundledFontsTest`↔`ruPlain_emDashEmbeddedNotHelvetica`, `PresetGeometryTest`↔`chartsSmartArt_drawingsBecomeImages` (`tableMatchesEcmaXml`), chart-пейнтеры↔`chartTypes_allTypesRenderAsImages`, `ChartSpecTest`↔автозаголовки/комбо/DoS (`hugePointIndex_rejectedNotOom`, `hugePtCount_rejectedNotOom`, `hugeCategoryIndex_rejectedNotOom`, `nonFiniteScalingBounds_dropped`, `overlayLegend_keepsPositionAndFlag`, `emptyTitleSingleSeriesBar_usesSeriesName`, `deletedTitleWithText_stillShown`, `deletedTitleValOmitted_stillShown`, `multiSeriesDoughnut_placeholderNotSeriesName`, `multiParagraphTitle_joinedWithNewlines`), `Surface3dPainterTest`↔`axisBounds_tinyMajorUnit_fallsBackToNiceUnit`/`axisBounds_zeroMajorUnit_fallsBackToNiceUnit`, `ChartRendererTest`↔`axisBounds_explicitHugeRange_reunitsToMaxTicks`/`axisBounds_infiniteSpan_fallsBackToData`/`stackedCumulative_*`/`stackedRange_coversNegativeSums`/`overlayLegend_drawnOverPlot`/`wireframeSurfaceLegend_hollowMarkers`, `DrawMlTextTest`↔`hugeWord_wrapsLinearly`/`fallbackFamilyAliasedToBundle`/`lineSpacingPct_compactsLines`, `DrawMlColorTest`↔`invalidSrgbHexFallsBackToOfficeDefault`, `SmartArtRendererTest`↔`normAutofitShrinksToFit`/`missingAutofitKeepsDeclaredSize`/`emptyTxBody_noPlaceholderInk`, `CartesianPainterTest`↔`stackedLine_seriesStackCumulatively`/`percentStackedLine_topSeriesFlatAtHundred`/`areaFill_closesToBaseline`/`combo_barsAndLineOnSecondary_bothDrawn`, `GlyphCoverageNormalizerTest`↔`multipleTextNodes_runLeftUntouched`/`nestedRunInTextBox_innerSplit`, `SymbolFontNormalizerTest`↔`nestedRunInTextBox_innerNormalized`, `WordPdfConverterTest`↔`noLoggingWarningInPdf`/`pdfTitle_comesFromParameter`/`hostileChartAxis_convertsNotHangs`/`hugeExtentChart_removedNotOom`/`chartWithoutExtent_errorFlagRejects`/`jcEndTransitional_rightAligned`/`rPrPosition_raisesBaseline`/`vendoredXsltTracksJarCopy` (аудит раскладки ECMA-376), `LayoutPostRendererTest`↔`tableCellPadding_textInsetLikeWord` (+`lineRuleAuto_wordSingleLinePitch` пинит метрический шаг «single» от псевдофиксов, `carlitoAutoBlock_untouched`), `TableIndentNormalizerTest`↔`tableIndentCentered_shiftedLikeWord`, `NumberingSuffixNormalizerTest`↔`suffSpace_labelGetsSpace`. App-регрессии: `requestLimitParams_areIgnored`, `nonPositiveLimits_failStartup`, `unknownPath_notFound`, `concurrentRequests_bothSucceed`, `corruptNotAZip_rejected`, `plainZipNotDocx_rejected`, `junkInsideValidZip_conversionError` (500 на валидном .docx-контейнере с мусором), `nonDocxFilename_rejected`, `oversizedOverCoreLimit_rejected`, `drawingsAlwaysRendered`, `cyrillicAndPathInFilename_sanitizedResponseName`, `docsOpenWithoutKey`/`forwardedPrefix_healthStaysOpen`/`forwardedPrefix_docsOpenWithoutKey`, `dotSegmentOpenPrefix_rejected`, `errorFlagNotBoolean_rejected`, `methodNotSupportedReturns405`/`badContentTypeReturns415`.
+39 -16
View File
@@ -1,8 +1,12 @@
# Нормативная документация OOXML
# Нормативная документация форматов Word
Источник истины для chart-движка (`wordpdf-core/.../internal/chart/`) и нормализаторов: любые правки диаграмм/SmartArt/представления docx — по документам ниже, а не по догадкам. Правило закреплено в `AGENTS.md` (секция «Chart-движок»).
Источник истины для chart-движка (`wordpdf-core/.../internal/chart/`) и нормализаторов: любые правки диаграмм/SmartArt/представления docx — по документам ниже, а не по догадкам. Правило закреплено в `AGENTS.md` (секция «Chart-движок»). Материалы разделены по категориям форматов: `docx/` — OOXML (Word 2007+), `doc/` — бинарный .doc (Word 97–2003).
## Источники
SHA-256 `.md`-файлов — справочные: они производные от инструментов извлечения (poppler/pandoc), при регенерации другим инструментом могут измениться; первичен PDF/docx в таблице «Источники».
## docx (OOXML)
### Источники
|Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---|
@@ -13,9 +17,7 @@
|`schema/strict/`|Полный набор XSD Strict (21 файл: `wml`/`sml`/`pml`/`dml-*`/`shared-*`)|5-е изд.|вложенный `OfficeOpenXML-XMLSchema-Strict.zip` в https://ecma-international.org/wp-content/uploads/ECMA-376-1_5th_edition_december_2016.zip|`9d0bcad9cf06054785b03762fcfadbf6bab7e54a5f9d69434e34b7fd464d4129` (zip)|
|`schema/transitional/`|Полный набор XSD Transitional (26 файлов, +5 `vml-*`)|5-е изд.|вложенный `OfficeOpenXML-XMLSchema-Transitional.zip` в https://ecma-international.org/wp-content/uploads/ECMA-376-4_5th_edition_december_2016.zip|`bd25da1109f73762356596918bf5ff8b74a1331642dba5f1c1d1dfc6bed34ecd` (zip)|
SHA-256 `.md`-файлов — справочные: они производные от инструментов извлечения (poppler/pandoc), при регенерации другим инструментом могут измениться; первичен PDF/docx выше.
## Что где искать
### Что где искать
- **Диаграммы (`c:chart`)** — ECMA-376 §21.2 (`grep -n "^21.2" ecma376-part1-5th.md`; каждый элемент — секция вида `21.2.2.132 overlay (Overlay)`) + `schema/transitional/dml-chart.xsd` (он же в `schema/strict/`); расширения Word — `ms-odrawxml.md`.
- **Диаграммы-схемы SmartArt (`dgm:`)** — ECMA-376 §21.4 + `schema/transitional/dml-diagram.xsd`. Кэш разложенной схемы (`word/diagrams/drawing1.xml`, relationship `…/office/2007/relationships/diagramDrawing`) — проприетарный MS-формат (`dsp:`, [MS-ODRAWXML]), нормативного ECMA-XSD нет; authoritative источник фактической геометрии — сам `dsp:drawing`.
@@ -23,13 +25,13 @@ SHA-256 `.md`-файлов — справочные: они производны
- **Chart Drawings (`c:drawing`)** — ECMA-376 §21.3.
- **Поведение Word (что он реально пишет в `w:r`/`w:t`/`lastRenderedPageBreak`, текстбоксы, чарты)** — `ms-oi29500.md` (указатели на секции Part 1, напр. §2.17.3.3.13 → Part 1 §17.3.3.13).
## Регенерация
### Регенерация
```bash
# ecma376-part1-5th.md — из PDF в репозитории (постобработка: выбросить строки
# `^\s*\d{1,4}\s*$` (номера страниц), `^ECMA-376 Part 1\s*$` (колонтитул),
# строки с `.....` (точки оглавления); остальной текст — как есть)
pdftotext -layout docs/standards/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p1.txt
pdftotext -layout docs/standards/docx/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p1.txt
# ms-oi29500.md / ms-odrawxml.md — свежие dated-.docx с learn.microsoft.com
# (при 404 — самый свежий .docx со страниц лендингов:
@@ -37,26 +39,26 @@ pdftotext -layout docs/standards/ECMA-376-1_5th_edition_december_2016.pdf /tmp/p
# https://learn.microsoft.com/en-us/openspecs/office_standards/ms-odrawxml/06cff208-c6e1-4db7-bb68-665135e5f0de)
curl -sSL -o /tmp/oi29500.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-OI29500/%5bMS-OI29500%5d-260818.docx"
curl -sSL -o /tmp/odrawxml.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-ODRAWXML/%5bMS-ODRAWXML%5d-261006.docx"
pandoc /tmp/oi29500.docx -t gfm-raw_html --wrap=none -o docs/standards/ms-oi29500.md
pandoc /tmp/odrawxml.docx -t gfm-raw_html --wrap=none -o docs/standards/ms-odrawxml.md
pandoc /tmp/oi29500.docx -t gfm-raw_html --wrap=none -o docs/standards/docx/ms-oi29500.md
pandoc /tmp/odrawxml.docx -t gfm-raw_html --wrap=none -o docs/standards/docx/ms-odrawxml.md
# schema/strict/ и schema/transitional/ — полные наборы из официальных ECMA-архивов
curl -sSL -o /tmp/p1.zip "https://ecma-international.org/wp-content/uploads/ECMA-376-1_5th_edition_december_2016.zip"
unzip -o /tmp/p1.zip "OfficeOpenXML-XMLSchema-Strict.zip" -d /tmp/
unzip -o -d docs/standards/schema/strict /tmp/OfficeOpenXML-XMLSchema-Strict.zip "*.xsd"
unzip -o -d docs/standards/docx/schema/strict /tmp/OfficeOpenXML-XMLSchema-Strict.zip "*.xsd"
curl -sSL -o /tmp/p4.zip "https://ecma-international.org/wp-content/uploads/ECMA-376-4_5th_edition_december_2016.zip"
unzip -o /tmp/p4.zip "OfficeOpenXML-XMLSchema-Transitional.zip" -d /tmp/
unzip -o -d docs/standards/schema/transitional /tmp/OfficeOpenXML-XMLSchema-Transitional.zip "*.xsd"
unzip -o -d docs/standards/docx/schema/transitional /tmp/OfficeOpenXML-XMLSchema-Transitional.zip "*.xsd"
```
## Валидация фикстур
### Валидация фикстур
`samples/*.docx` обязаны быть ECMA-conformant (фикстуры — источник истины по входу,
код под них не подгоняется). Проверка — `validate-fixtures.py` (lxml + схемы
`schema/transitional/`):
код под них не подгоняется). Проверка — `docx/validate-fixtures.py` (lxml + схемы
`docx/schema/transitional/`):
```bash
python3 docs/standards/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx
python3 docs/standards/docx/validate-fixtures.py wordpdf-core/src/test/resources/samples/*.docx
```
Допущения валидатора (оба по Part 1): `xml:space` — предопределённый атрибут
@@ -65,3 +67,24 @@ python3 docs/standards/validate-fixtures.py wordpdf-core/src/test/resources/samp
ignorable-namespace'ов снимаются. Не маппятся (вне ECMA, осознанно):
`word/charts/style*.xml`/`colors*.xml` (c14/chartStyle, MS-расширение),
`word/diagrams/drawing*.xml` (`dsp:`, [MS-ODRAWXML]).
## doc (бинарный, Word 97–2003)
### Источники
|Файл|Документ|Редакция/дата|URL|SHA-256|
|---|---|---|---|---|
|`ms-doc.md`|[MS-DOC] «Word (.doc) Binary File Format» — бинарный формат .doc Word 97–2003 (WordDocument/1Table-потоки, FIB, CHPX/PAPX, Clx/PlcPcd/Pcd — «piece table»)|12.5 (260217, февраль 2026)|https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx|`c2886120e92aa2790a5603156fb0ca8b23151d58476592fef3ede7fb6841ee7d`|
### Что где искать
- **Бинарный .doc (Word 97–2003)** — `ms-doc.md`: §2.1 File Structure (WordDocument-, 1Table/0Table-, Data-потоки), §2.5 FIB (FibBase, флага), §2.8–2.9 структуры данных (Chpx §2.9.32, PapxFkp, Grpprl, Clx §2.9.38, PlcPcd §2.8.35, Pcd), §3 Structure Examples, §6 Change Tracking; поиск по номерам секций — по строкам оглавления вида `[2.9.38 Clx …]` (заголовки в теле без номеров — автонумерация Word потерялась при извлечении). Конвертер принимает только .docx — документ справочный.
### Регенерация
```bash
# ms-doc.md — свежий dated-.docx [MS-DOC] с лендинга
# https://learn.microsoft.com/en-us/openspecs/office_file_formats/ms-doc/ccd7b486-7881-484c-a137-51170af7cc22
curl -sSL -o /tmp/msdoc.docx "https://officeprotocoldocs-f5hpbjgea6b8gneq.b02.azurefd.net/files/MS-DOC/%5bMS-DOC%5d-260217.docx"
pandoc /tmp/msdoc.docx -t gfm-raw_html --wrap=none -o docs/standards/doc/ms-doc.md
```
File diff suppressed because it is too large Load Diff
@@ -1,7 +1,7 @@
#!/usr/bin/env python3
"""Валидация XML-частей samples/*.docx против XSD ECMA-376 (transitional).
Схемы — docs/standards/schema/transitional/ (полный набор ECMA-376 5-го изд.).
Схемы — docs/standards/docx/schema/transitional/ (полный набор ECMA-376 5-го изд.).
wml.xsd — word/*.xml (document/styles/settings/header/footer/...);
dml-chart.xsd — word/charts/chart*.xml; dml-diagram.xsd — word/diagrams/*;
dml-main.xsd — word/theme/theme*.xml.
@@ -17,7 +17,7 @@ import java.util.zip.ZipOutputStream;
* (barDir=bar) с c:grouping=stacked + wireframe-поверхность
* (c:wireframe val="1") + combo barChart+lineChart на вторичной оси (§21.2.2.145)
* — chart-XML литералами по ECMA-376 §21.2
* (фикстура проходит docs/standards/validate-fixtures.py). Регрессия —
* (фикстура проходит docs/standards/docx/validate-fixtures.py). Регрессия —
* WordPdfConverterTest#chartTypes_allTypesRenderAsImages.
*
* Пересоздание (аргумент — путь к .docx):